Paroksismal Atriyal Fibrilasyon Ata˘ gının Dalgacık Dönü¸ süm Yöntemleriyle Erken Tahmini Early Prediction of Paroxysmal Atrial Fibrillation using Wavelet Transform Methods Ali Narin 1 , Yalçın ˙ I¸ sler 2 , Mahmut Özer 1 1 Elektrik-Elektronik Mühendisli˘ gi Bölümü, Bülent Ecevit Üniversitesi, Zonguldak, Türkiye alinarin45@gmail.com, mahmutozer2002@yahoo.com 2 Biyomedikal Mühendisli˘ gi Bölümü, ˙ Izmir Katip Çelebi Üniversitesi, ˙ Izmir, Türkiye islerya@yahoo.com Özetçe —Paroksismal Atriyal Fibrilasyon, kulakçıkların geli¸ si güzel titre¸ simi sonucunda meydana gelen kalp rahatsızlıkları içerisinde en çok kar¸ sıla¸ sılan bir kalp problemidir. Ya¸ sa ba˘ glı olarak ciddi artı¸ s gösteren ve sonraki a¸ samaları özellikle ya¸ slılar için oldukça zorlayıcıdır. Bu nedenle, hastalı˘ gın ilerlemesini durdurmak ve ya¸ sam kalitesini iyile¸ stirmek için bu hastalı˘ gın erken tahmin edilmesi çok önemlidir. Bu sebeple, çalı¸ smada PAF ata˘ gı geçirmeden önce kaçıncı 5 dakika öncesinde uyarılabile- ce˘ ginin tespit edilmesi hedeflenmi¸ stir. 30 dakikalık veriler 50% örtü¸ smeye sahip olacak ¸ sekilde 5 dakikalık 10 parçaya ayrılmı¸ stır. Her bir parça için kalp hızı de˘ gi¸ skenli˘ gi verileri üzerinden dalgacık dönü¸ süm yöntemleri hesaplanmı¸ stır. Bu ölçümler ile parçalar arasında istatistiksel anlamlı fark olup olmadı˘ gı ve k en yakın kom¸ su sınıflandırıcısının PAF ata˘ gını tespit performansı tespit edilmi¸ stir. Sonuç olarak istatistiksel olarak PAF ata˘ gının geçekle¸ smeden önce ayrılabildi˘ gi ve k-nn sınıflandırıcısının 12.5 dakika öncesine kadar yakla¸ sık 72% ba¸ sarıma sahip oldu ˘ gu tespit edilmi¸ stir. Anahtar Kelimeler—paroksismal atriyal fibrilasyon; dalgacık dönü¸ sümü; k-en yakın kom¸ su Abstract—Paroxysmal Atrial Fibrillation is one of the most common complaints of heart disorders that occur as a result of random vibrations of the atria. PAF episode show a serious increase with age, and the next steps are more difficult especially for the elderly. So, diagnosing in the early stages of this disorder is very important for the PAF patients to stop the progression of the disease and to improve the quality of life. For his reason, in this study it is aimed to be detected which in 5 minutes before the PAF episodes. The 30-minute data is divided into 10 parts in 5 minutes with 50% overlap. For each part, wavelet transform methods and wavelet entropy are calculated over heart rate variability data. Using these measurements, it is determined whether there is a statistically significant difference between the parts and the early detection performance of PAF was obtained using the k-nearest neighbors classifier. As a result, PAF episode can be statistically distinguished before it occurs and it is determined that the k-nn classifier has about 72% performance 12.5 minutes earlier than a PAF episode. Keywords—paroxysmal atrial fibrillation; wavelet transform; k- nearest neighbors. I. G ˙ IR ˙ I¸ S Sa˘ glıklı bir kalpte sinoatriyal dü˘ gümden (SA) çıkan elek- triksel uyartımlar düzenli bir ¸ sekilde yayılarak kulakçıkları uyarır ve kasılma ba¸ slar. Fakat atrial fibrilasyona sahip ki¸ sil- erde SA dü˘ gümden çıkan uyartımların haricinde rastgele ve çok sayıda uyartım meydana gelir. Bu uyartımlar kulakçık- ların sa˘ glıklı kasılması yerine fibrilasyona neden olur. Atrial Fibrilasyon (AF) genel nüfusun 1%-2%’inde görülen ve kalp rahatsızlıkları içinde çok sık kar¸ sıla¸ sılan bir hastalıktır. Tah- minlere göre yakla¸ sık 2,7-6,1 milyon Amerikan halkı ve 6 milyondan fazla Avrupalı bu durumdan muztariptir [1], [2]. Özellikle AF’nin görülme olasılı˘ gı 50’li ya¸ slarda 0,5% den küçük olmakla birlikte 80’li ya¸ slarda 5%-15% dolaylarında ol- maktadır. Bu sebeple, ilerleyen yıllarda genel nüfusun daha da ya¸ slanaca˘ gı dü¸ sünüldü˘ günde bu rahatsızlı˘ gın daha da artaca˘ gı öngörülmektedir [1]–[3]. AF inme riskini 5 kat arttırmaktadır. Bu nedenle, inmeye ba˘ glı ölüm riskini iki kat arttırmakta birlikte hasta bakım maliyetleri 1,5 kat artmaktadır [2]. Yukarıda bahsedildi˘ gi üzere ya¸ sa ba˘ glı olarak ciddi artı¸ s gösteren bu rahatsızlık ile birlikte AF’den kaynaklı nefes darlı˘ gı, gö˘ güs a˘ grısı, a¸ sırı yorgunluk hissi, ba¸ s dönmesi gibi ya¸ sam kalitesini dü¸ süren etkiler ba¸ s göstermektedir. AF, Paroksismal AF, Israrcı AF ve Kalıcı AF olmak üzere genel olarak 3 türü bulunmaktadır. Hastaların ço˘ gunda ısrarcı ve kalıcı AF önlenmez görülmektedir [2]. Bu sebeple AF’ nin ilk a¸ samalarında olan PAF ata˘ gının önceden tespit edilip önlem alınması hastalı˘ gın daha zorlu ve dirençli olan sonraki a¸ samalara geçmemesi ve daha kolay kontrol altına alınıp tedavi edilmesi oldukça önemlidir. Literatürde PAF ata˘ gının önceden tespiti üzerine yapılmı¸ s çalı¸ smalardan bazıları ¸ su ¸ sekildedir: Atriyal prematüre vu- ruların frekansları [4], P-dalga de˘ gi¸ simleri ve güç spektral de˘ gi¸ simleri [5], [6], atriyal ektopik ve ventriküler ektopik sayıları [7], kalp hızı de˘ gi¸ skenli˘ gi (KHD) verileri kullanılarak zaman alanı, frekans alanı ve lineer olmayan ölçümler [8]– [12], [21], ayak izi analizleri [13]. Bu çalı¸ smada amaç: 30 dk verilerin içerindeki hangi 5 dk zaman diliminde PAF ata˘ gı farkedilebilir? Farkedilebilir ise PAF ata˘ gından yakla¸ sık kaç dakika önce tespit edilebilir? Aynı zamanda Normal verilerin çalı¸ smaya dâhil edilmesi ya da edilmemesi ne gibi sonuçlara sebep olabilir? ¸ Seklindeki sorulara cevap bulmaktır. Çalı¸ smada, 30 dakikalık veriler 5 Akıllı Sistemler ve Uygulamaları Dergisi, Cilt: 2, Sayı: 2, Sayfa 111-114, 2019 111 Bu çalışma ASYU-2017 Konferansında sunulmuş ve sadece özet olarak Bildiri Özetleri Kitabı (ISBN: 978-605-84722-8-0)’nda yayımlanmıştır.